Opus Mt Tc Big En Tr
这是一个基于Transformer架构的神经机器翻译模型,专门用于英语到土耳其语的翻译任务。
下载量 108.32k
发布时间 : 4/13/2022
模型简介
该模型是OPUS-MT项目的一部分,旨在提供高质量的英语到土耳其语翻译服务。它使用了大量的公开平行语料库进行训练,并在多个基准测试中表现出色。
模型特点
高质量翻译
在多个基准测试中表现出色,如flores101-devtest和tatoeba-test-v2021-08-07。
多语言支持
支持英语到土耳其语的翻译任务。
开源许可证
采用cc-by-4.0许可证,允许自由使用和修改。
模型能力
英语到土耳其语的文本翻译
使用案例
文本翻译
日常对话翻译
用于翻译日常对话或简单句子。
在tatoeba-test-v2021-08-07测试集上BLEU得分为42.3。
新闻翻译
用于翻译新闻文章或报道。
在newstest2017测试集上BLEU得分为25.4。
🚀 opus-mt-tc-big-en-tr
这是一个用于从英语(en)到土耳其语(tr)翻译的神经机器翻译模型。该模型属于 [OPUS - MT 项目](https://github.com/Helsinki - NLP/Opus - MT) 的一部分,此项目致力于让神经机器翻译模型在全球多种语言中广泛可用且易于获取。所有模型最初都使用 [Marian NMT](https://marian - nmt.github.io/) 这一出色的框架进行训练,它是一个用纯 C++ 编写的高效神经机器翻译实现。这些模型通过 huggingface 的 transformers 库转换为 PyTorch 格式。训练数据来自 OPUS,训练流程采用 [OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train) 的方法。
- 相关出版物:[OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/) 和 [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)(如果使用此模型,请引用这些文献)
@inproceedings{tiedemann - thottingal - 2020 - opus,
title = "{OPUS}-{MT} {--} Building open translation services for the World",
author = {Tiedemann, J{\"o}rg and Thottingal, Santhosh},
booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
month = nov,
year = "2020",
address = "Lisboa, Portugal",
publisher = "European Association for Machine Translation",
url = "https://aclanthology.org/2020.eamt - 1.61",
pages = "479--480",
}
@inproceedings{tiedemann - 2020 - tatoeba,
title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
author = {Tiedemann, J{\"o}rg},
booktitle = "Proceedings of the Fifth Conference on Machine Translation",
month = nov,
year = "2020",
address = "Online",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2020.wmt - 1.139",
pages = "1174--1182",
}
📚 详细文档
模型信息
属性 | 详情 |
---|---|
发布时间 | 2022 - 02 - 25 |
源语言 | 英语(eng) |
目标语言 | 土耳其语(tur) |
模型类型 | transformer - big |
训练数据 | opusTCv20210807 + bt ([来源](https://github.com/Helsinki - NLP/Tatoeba - Challenge)) |
分词方式 | SentencePiece (spm32k, spm32k) |
原始模型 | [opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - tur/opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.zip) |
更多已发布模型信息 | [OPUS - MT eng - tur README](https://github.com/Helsinki - NLP/Tatoeba - Challenge/tree/master/models/eng - tur/README.md) |
使用说明
💻 使用示例
基础用法
from transformers import MarianMTModel, MarianTokenizer
src_text = [
"I know Tom didn't want to eat that.",
"On Sundays, we would get up early and go fishing."
]
model_name = "pytorch - models/opus - mt - tc - big - en - tr"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))
for t in translated:
print( tokenizer.decode(t, skip_special_tokens=True) )
# 预期输出:
# Tom'un bunu yemek istemediğini biliyorum.
# Pazar günleri erkenden kalkıp balık tutmaya giderdik.
高级用法
from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - en - tr")
print(pipe("I know Tom didn't want to eat that."))
# 预期输出: Tom'un bunu yemek istemediğini biliyorum.
基准测试
语言对 | 测试集 | chr - F | BLEU | 句子数量 | 单词数量 |
---|---|---|---|---|---|
eng - tur | tatoeba - test - v2021 - 08 - 07 | 0.68726 | 42.3 | 13907 | 84364 |
eng - tur | flores101 - devtest | 0.62829 | 31.4 | 1012 | 20253 |
eng - tur | newsdev2016 | 0.58947 | 21.9 | 1001 | 15958 |
eng - tur | newstest2016 | 0.57624 | 23.4 | 3000 | 50782 |
eng - tur | newstest2017 | 0.58858 | 25.4 | 3007 | 51977 |
eng - tur | newstest2018 | 0.57848 | 22.6 | 3000 | 53731 |
- 测试集翻译结果:[opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - tur/opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.test.txt)
- 测试集得分:[opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - tur/opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.eval.txt)
- 基准测试结果:benchmark_results.txt
- 基准测试输出:benchmark_translations.zip
致谢
这项工作得到了以下项目的支持:
- [欧洲语言网格](https://www.european - language - grid.eu/) 的 [试点项目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)。
- [FoTran 项目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding),由欧洲研究理事会(ERC)在欧盟的“地平线 2020”研究与创新计划(资助协议编号 771113)下资助。
- MeMAD 项目,由欧盟的“地平线 2020”研究与创新计划资助(资助协议编号 780069)。
我们也感谢 CSC -- 芬兰科学信息技术中心 提供的慷慨计算资源和 IT 基础设施。
模型转换信息
属性 | 详情 |
---|---|
transformers 版本 | 4.16.2 |
OPUS - MT git 哈希值 | 3405783 |
转换时间 | Wed Apr 13 18:11:39 EEST 2022 |
转换机器 | LM0 - 400 - 22516.local |
📄 许可证
本模型采用 CC - BY - 4.0 许可证。
M2m100 418M
MIT
M2M100是一个多语言编码器-解码器模型,支持100种语言的9900个翻译方向
机器翻译 支持多种语言
M
facebook
1.6M
299
Opus Mt Fr En
Apache-2.0
基于Transformer的法语到英语神经机器翻译模型,由Helsinki-NLP团队开发,采用OPUS多语数据集训练。
机器翻译 支持多种语言
O
Helsinki-NLP
1.2M
44
Opus Mt Ar En
Apache-2.0
基于OPUS数据训练的阿拉伯语到英语的机器翻译模型,采用transformer-align架构
机器翻译 支持多种语言
O
Helsinki-NLP
579.41k
42
M2m100 1.2B
MIT
M2M100是一个支持100种语言的多语言机器翻译模型,可直接在9900个翻译方向之间进行翻译。
机器翻译 支持多种语言
M
facebook
501.82k
167
Indictrans2 Indic En 1B
MIT
支持25种印度语言与英语互译的1.1B参数规模机器翻译模型,由AI4Bharat项目开发
机器翻译
Transformers 支持多种语言

I
ai4bharat
473.63k
14
Opus Mt En Zh
Apache-2.0
基于Transformer架构的英汉多方言翻译模型,支持英语到13种汉语变体的翻译任务
机器翻译 支持多种语言
O
Helsinki-NLP
442.08k
367
Opus Mt Zh En
由赫尔辛基大学开发的基于OPUS语料库的中文到英语机器翻译模型
机器翻译 支持多种语言
O
Helsinki-NLP
441.24k
505
Mbart Large 50 Many To Many Mmt
基于mBART-large-50微调的多语言机器翻译模型,支持50种语言间的互译
机器翻译 支持多种语言
M
facebook
404.66k
357
Opus Mt De En
Apache-2.0
opus-mt-de-en 是一个基于 transformer-align 架构的德语到英语的机器翻译模型,由 Helsinki-NLP 团队开发。
机器翻译 支持多种语言
O
Helsinki-NLP
404.33k
44
Opus Mt Es En
Apache-2.0
这是一个基于Transformer架构的西班牙语到英语的机器翻译模型,由Helsinki-NLP团队开发。
机器翻译
Transformers 支持多种语言

O
Helsinki-NLP
385.40k
71
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98